基于风格适配与内容保持的小样本图像生成
计算机视觉与模式识别
2023-12-01 v1
摘要
用极少数据（如 10 张）训练生成模型是一项极具挑战的任务。许多工作提出微调预训练的 GAN 模型，但这容易导致过拟合。换言之，它们设法适配了风格却未能保持内容，其中“风格”指定义一个域的特定属性，而“内容”指代表多样性的与域无关的信息。近期工作尝试维持预定义的对应关系以保持内容，但多样性仍不足，且可能影响风格适配。本文提出一种用于内容保持的成对图像重建方法。我们引入一个图像翻译模块到 GAN 迁移中，该模块教导生成器分离风格与内容，而生成器反过来为翻译模块提供训练数据。定性与定量实验表明，我们的方法在小样本设定下持续超越最先进的方法。
引用
@article{arxiv.2311.18169,
title = {Few-shot Image Generation via Style Adaptation and Content Preservation},
author = {Xiaosheng He and Fan Yang and Fayao Liu and Guosheng Lin},
journal= {arXiv preprint arXiv:2311.18169},
year = {2023}
}